- Hubungan antara Koefisien Penentuan dengan Koefisien Korelasi adalah ….
JAWAB :
Koefisien penentuan dapat menentukan hubungan variabel dari koefisien korelasi di mana koefisien ini menghubungkan variabel. - Untuk menentukan berapa besar kontribusi dari X terhadap perubahan nilai Y dapat diukur dengan..
JAWAB :
Koefisien korelasi; analisa korelasi yang digunakan untuk mengukur kekuatan keeratan hubungan antara variabel-variabel - Jika keeratan hubungan antara dua variabel r = – 0,8 maka hal ini menunjukkan arah yang..
JAWAB :
Berlawanan, X↑ maka Y↓ atau X↓ maka Y↑ - Jika X dan Y tidak ada hubungan maka nilai r adalah .…
JAWAB :
Bernilai 0 - Jika hubungan X dan Y dinyatakan dengan fungsi linier, maka kuat tidaknya hubungan tersebut dapat diukur dengan ….
JAWAB :
Koefisien korelasi linier (r); ukuran hubungan linier antara dua variabel atau peubah acak X dan Y untuk mengukur sejauh mana titik-titik di sekitar sebuah garis lurus regresi - Rumus atau cara menghitung koefisien korelasi “r” yang benar adalah .…
JAWAB : n ∑ XY−∑ X.∑ Y r = —————————————————√{ n ∑ X^2−(∑ X)^2} . { n∑ Y^2−(∑ Y)^2}
- Persamaan garis regresi linier dinyatakan oleh ….
JAWAB :
Y = a + bx - Rumus koefisien regresi (b) dinyatakan oleh ….
JAWAB : n∑ XY−∑ X.∑ Y b = ————————n ∑ X^2−(∑ X)^2
- Tentukanlah koefisien korelasinya jika nilai dari Koefisien determinasinya (r2) 0,9801 ! JAWAB :
r = √r^2
= √ 0,9801
= 0,99
- Tentukanlah koefisien korelasinya jika nilai dari Koefisien determinasinya (r2) 0,7651 ! JAWAB :
r = √r^2
= √0,7651
= 0,874
______________________________________________________________________________
Mega Kastia Mufidah
SI17B
Slideshow ini membutuhkan JavaScript.
//www.youtube.com/watch?v=JEA5saVv4Ek
//www.youtube.com/watch?v=pAdjNuE6EZQ
//www.youtube.com/watch?v=KQUi9UtUPJ0
Pengujian koefisien determinasi ini dilakukan dengan maksud mengukur kemampuan model dalam menerangkan seberapa pengaruh variabel independen secara bersama–sama (stimultan) mempengaruhi variabel dependen yang dapat diindikasikan oleh nilai adjusted R – Squared (Ghozali, 2016). Koefisien determinasi menunjukkan sejauh mana kontribusi variabel bebas dalam model regresi mampu menjelaskan variasi dari variabel terikatnya. Koefisien determinasi dapat dilihat melalui nilai R-square (R2) pada tabel Model Summary. Menurut Ghozali (2016) nilai koefisien determinasi yang kecil memiliki arti bahwa kemampuan variabel – variabel independen dalam menjelaskan variabel dependen sangat terbatas, Sebaliknya jika nilai mendekati 1 (satu) dan menjauhi 0 (nol) memiliki arti bahwa variabel – variabel independen memiliki kemampuan memberikan semua informasi yang dibutuhkan untuk memprediksi variabel dependen (Ghozali, 2016).
Uji koefisien determinasi dilakukan untuk mengetahui seberapa besar variabel endogen secara simultan mampu menjelaskan variabel eksogen. Semakin tinggi nilai R2 berarti semakin baik model prediksi dari model penelitian yang diajukan. Uji koefisien determinasi (R2) dilakukan untuk menentukan dan memprediksi seberapa besar atau penting kontribusi pengaruh yang diberikan oleh variabel independen secara bersama – sama terhadap variabel dependen. Nilai koefisien determinasi yaitu antara 0 dan 1. Jika nilai mendekati 1, artinya variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Namun, jika nilai R2 semakin kecil, artinya kemampuan variabel – variabel independen dalam menjelaskan variabel dependen cukup terbatas (Ghozali, 2016).
Menurut Chin (1998), nilai R-Square dikategorikan kuat jika lebih dari 0,67, moderat jika lebih dari 0,33 tetapi lebih rendah dari 0,67, dan lemah jika lebih dari 0,19 tetapi lebih rendah dari 0,33.
Sebagai contoh hasil uji koefisien determinasi pada software SMART PLS dapat dilihat pada tabel 1 berikut :
Tabel 1 : Koefisien Determinasi (Nilai R-Square)
Konstruk | Koefisien Determinasi (Nilai R-Square) | Keterangan |
Kepatuhan Wajib Pajak (Y) | 0.674 | Moderat |
Sumber: Output Smart PLS 3.0, 2021
Berdasarkan Tabel 1 nilai Koefisien Determinasi (R-Square) pada variabel endogen Kepatuhan Wajib Pajak adalah sebesar 0,674, hal ini menunjukkan bahwa semua variable independent/bebas secara simultan memiliki pengaruh yaitu sebesar 67,4% terhadap Kepatuhan Wajib Pajak (variable dependen/terikat). Sedangkan sisanya yaitu sebesar 32,6% dipengaruhi oleh variabel lain yang tidak diuji dalam penelitian.
Contoh lain hasil uji koefisien determinasi pada software SPSS dapat dilihat pada table 2 berikut ini :
Tabel 2 Hasil Uji Koefisien Determinasi (R2)
Model Summaryb |
|||||
Model | R | R Square | Adjusted R Square | Std. Error of the Estimate | |
1 | ,513a | ,263 | ,206 | ,018270 | |
a. Predictors: (Constant), Inventory Intensity, CSR, Likuditas, Capital Intensity | |||||
b. Dependent Variable: Agresivitas Pajak |
Sumber: Hasil Pengolahan Data SPSS 25
Berdasarkan hasil uji koefisien determinasi pada tabel 2 maka diperoleh nilai adjusted R-square sebesar 0,206 (20,6%). Hal tersebut memiliki arti bahwa kemampuan variabel independen dalam penelitian ini mempengaruhi variabel dependen sebesar 20,6%, sedangkan sisanya sebesar 79,4% (1 – 0,206) dijelaskan oleh variabel lain selain variabel independen dalam penelitian.
Referensi:
- Chin, W. W. (1998). The Partial Least Squares Aproach to Structural Equation Modeling. Modern Methods for Business Research, 295, 336
- Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.
Image Sources: Google Images
Pertemuan Ke-5REGRESI DAN KORELASI SEDERHANA
SUB POKOK BAHASAN :4.1 Pengertian Regresi dan Korelasi4.2 Analisa Regresi Sederhana4.3 Analisa Korelasi Sederhana * Aplikasi Komputer Excel dan SPSS
I.Selesaikanlah pertanyaan-pertanyaan di bawah ini dengan singkat dan jelas !1.Hubungan antara Koefisien Penentuan dengan Koefisien Korelasi adalah .JAWAB :Koefisien penentuan dapat menentukan hubungan variabel darikoefisien korelasi di mana koefisien ini menghubungkan variabel
2.Untuk menentukan berapa besar kontribusi dari X terhadap perubahan nilai Y dapat diukur dengan .JAWAB :Koefisien korelasi; analisa korelasi yang digunakan untuk mengukur kekuatan keeratan hubungan antara variabel-variabel
3.Jika keeratan hubungan antara dua variabel r = - 0,8 maka hal ini menunjukkan arah yang ....JAWAB :Berlawanan, X maka Y atau X maka Y4.Jika X dan Y tidak ada hubungan maka nilai r adalah .JAWAB :Bernilai 05.Jika hubungan X dan Y dinyatakan dengan fungsi linier, maka kuat tidaknya hubungan tersebut dapat diukur dengan .JAWAB :Koefisien korelasi linier (r); ukuran hubungan linier antara dua variabel atau peubah acak X dan Y untuk mengukur sejauh mana titik-titik di sekitar sebuah garis lurus regresi
6.Rumus atau cara menghitung koefisien korelasi r yang benar adalah .JAWAB :7.Persamaan garis regresi linier dinyatakan oleh .JAWAB :Y = a + bx8.Rumus koefisien regresi (b) dinyatakan oleh ....JAWAB :9.Rumus intersep (a) dinyatakan oleh ....JAWAB :10.Nilai koefisien korelasi linier (r) dinyatakan oleh .JAWAB :Untuk soal nomor 11 15 perhatikan tabel berikut ini:PENDAPATAN(X)KONSUMSI(Y)
8070
10065
12090
14095
160110
180115
200120
220140
240155
260150
11.Kemiringan dari garis regresi atau koefisien regresi (b) sebesar .JAWAB :12.Intersep atau perpotongan garis regresi dengan sumbu Y (a) sebesar .JAWAB :13.Persamaan garis regresi dari data tersebut adalah .JAWAB :Y= a + bx= 26 + 0,5x14.Koefisien korelasi linier (r) dari data tersebut sebesar .JAWAB :15.Koefisien determinasi (r2) dari data tersebut sebesar .JAWAB :r2= (0,98)2= 0,960416.Tentukanlah Koefisien determinasi (r2) jika diketahui koefisien korelasinya 0,94 !JAWAB :r2= (0,94)2= 0,883617.Tentukanlah koefisien korelasinya jika nilai dari Koefisien determinasinya (r2) 0,9801 !JAWAB : 18.Tentukanlah koefisien korelasinya jika nilai dari Koefisien determinasinya (r2) 0,7651 !JAWAB :
II.Aplikasi Microsoft Excel dan SPSS Dalam Statistika DeskriptifPENDAPATAN(X)KONSUMSI(Y)XYX2Y2
8070560064004900
100656500100004225
1209010800144008100
1409513300196009025
160110176002560012100
180115207003240013225
200120240004000014400
220140308004840019600
240155372005760024025
260150390006760022500
X = 1700Y = 1110XY = 205500X2 = 322000Y2 = 132100
Dari tabel di atas dengan menggunakan Ms Excel dan SPSS hitunglaha.Koefisien RegresiKorelasiDeterminasir2= (0,98)2= 0,9604b. Persamaan RegresinyaY= a + bx= 26 + 0,5x
TANGGALNILAIPARAF DOSEN
36
Page 2
Embed Size (px) 344 x 292429 x 357514 x 422599 x 487
Text of 1-Statistika Deskriptif
Chapter 5: Sampling and Sampling DistributionsMendeskripsikan ukuran skala nominal, ordinal, interval, dan rasioMendeskripsikan perbedaan antara populasi dan sampelMenghitung dan menginterpretasikan persentil dan kuartilMenjelaskan dan menghitung ukuran pemusatanMembuat berbagai jenis grafik berbeda dalam menjelaskan data setTujuan Bab ini5-**Statistika adalah ilmu yang membantu dalam mengambil keputusan dalam bisnis dan ekonomi, termasuk pula di berbagai cabang ilmu yang lainStatistika mengajarkan bagaimana merangkum, menganalisis, dan menarik kesimpulan yang tepat dari data yang ada, yang kemudian meningkatkan kualitas keputusanKeputusan tersebut pada akhirnya sangat membantu dalam menjalankan sebuah departemen, perusahan, perekonomian, dll5-*Menguji hipotesis tentang nilai parameter polusaiMengambil keputusanStatistik DeskriptifMengumpulkan dataMengorganisasikan dataMerangkum dataMenyajikan dataMenganalisis dataContoh:SuhuGajiGenderSkala interval – selisih dan jarah berpengaruh – memiliki nilai nol “buatan”Suhu (0F, 0C)Gaji5-*Sensus adalah perhitungan lengkap dari seluruh anggota dalam sebuah populasi5-*Tidak memungkinkanTidak praktisTerlalu mahalDari sebuah kumpulan data observasi, urutkan berdasarkan besarnyaPersentil ke-P dari data yang telah diurutkan adalah nilai observasi dimana terdapat P% (P persen) observasi yang berada di bawah nilai yang bersangkutanPosisi Persentil ke-P diberikan dengan (n + 1)P/100, dimana n adalah jumlah observasi5-*5-**Untuk mencari persentil ke-50, tentukan terlebih dahulu letak data poin-nya:(n + 1)P/100 = (20 + 1)(50/100) = 10.5.Dapat disimpulkan bahwa persentil ke-50 berada pada posisi ke-10.5Obervasi ke-10 dan ke-11 adalah 16Persentil ke-50 berada diantara nilai observasi ke-10 dan ke-11, yaitu 165-**Untuk mencari persentil ke-80, tentukan terlebih dahulu letak data poin-nya:(n + 1)P/100 = (20 + 1)(80/100) = 16.8Dapat disimpulkan bahwa persentil ke-80 berada pada posisi ke-16.8Obervasi ke-16 dan ke-17 masing-masing adalah 19 dan 20Persentil ke-80 berada pada posisi 0.8 antara nilai observasi ke-16 dan ke-17, yaitu 19.85-**Untuk mencari persentil ke-90, tentukan terlebih dahulu letak data poin-nya:(n + 1)P/100 = (20 + 1)(90/100) = 18.9Dapat disimpulkan bahwa persentil ke-90 berada pada posisi ke-18.9Obervasi ke-18 dan ke-19 masing-masing adalah 21 dan 22Persentil ke-90 berada pada posisi 0.9 antara nilai observasi ke-18 dan ke-19, yaitu 21.95-*Kuartil*Kuartil adalah nilai persentase yang membagi data yang diurutkan ke dalam empat bagianKuartil pertama adalah persentil ke-25, yakni titik dimana di bawahnya terdapat ¼ data terbawahKuartil kedua adalah persentil ke-50, yakni titik dimana di bawahnya terdapat 1/2 data terbawah. Disebut juga dengan medianKuartil ketiga adalah persentil ke-75, yakni titik dimana di bawahnya terdapat 3/4 data terbawah5-*Kuartil pertama, Q1, (persentil ke-25) sering disebut dengan kuartil bawahKuartil kedua, Q2, (persentil ke-50) sering disebut dengan kuartil tengahKuartil ketiga, Q3, (persentil ke-75) sering disebut dengan kuartil atasJarak interkuartil selisih antara kuartil pertama dan kuartil ketiga.5-**(20+1)50/100=10.516 + (.5)(0) = 16Median adalah nilai tengah dari data yang telah diurutkan. Dengan kata lain, persentil ke-50Penjualan Penjualan yang diurutkanModus = 16.. . . . . : . : : : . . . . .---------------------------------------------------------------6 9 10 12 13 14 15 16 17 18 19 20 21 22 245-*RerataPopulation MeanSample MeanRerata dari set observasi adalah jumlah seluruh nilai observasi dibagi dengan jumlah observasimJarak InterkuartilSelisih antara nilai kuartil atas dengan kuartil bawah (Q3 - Q1)VarianRerata* dari kuadrat selisih antara nilai observasi dengan nilai reratanyaDeviasi StandarSyarat kelompok adalah:Tidak ada overlapping – setiap observasi hanya masuk dalam satu kelompokExhaustive5-*Setiap dan masing-masing kelompok, kelas, atau nilai intervalFrekuensi masing-masing kelompok berisiJumlah frekuensi setiap kelompokN untuk populasin untuk sampelFrekuensi relatif adalah persentase total observasi masing-masing kelasJumlah frekuensi relatif = 10 to less than 100 30 0.163100 to less than 200 38 0.207200 to less than 300 50 0.272300 to less than 400 31 0.168400 to less than 500 22 0.120500 to less than 600 13 0.070184 1.000Jumlah frekuensi relatif = 10 to less than 100 30 0.163100 to less than 200 68 0.370200 to less than 300 118 0.641300 to less than 400 149 0.810400 to less than 500 171 0.929500 to less than 600 184 1.000Frekuensi kumulatif dari setiap kelompok adalah jumlah frekuensikelompok yang bersangkutan dan seluruh kelompok sebelumnya5-*HistogramLebar dan lokasi batang menunjukkan lebar dan lokasi kelompok dataTinggi batang menunjukkan frekuensi atau frekuensi relatif dari kelompok data5-**Condong ke kiriCondong ke kananPlatykurtic (relatif rata)5-*Kurtosis*Grafik BatangPolygon Frekuensi
Time Plots
Page 3
Statistika Deskriptif
Metode atau cara-cara yang digunakan untuk meringkas danmenyajikan data dalam bentuk tabel, grafik atau ringkasannumerik data.
Grafik Stem-and-leaf Untuk menunjukkan bentuk distribusi data Data berupa angka dengan minimal dua digit
Contoh (Data penghasilan buruh):4 3 95 1 1 5 5 5 6 8 96 0 2 3 3 4 4 4 5 5 5 6 7 7 7 8 8 97 1 2 2 3 4 4 5 5 88 3 4 99 2Stem= 10, Leaf = 1
Distribusi Frekuensi
Merupakan suatu tabel menunjukkan frekuensi kemunculandata atau frekuensi relatifnya yang berguna untuk meringkasdata numerik maupun kategori. Untuk data diskret atau data kategori, banyaknya nilai yang
dihitung kemunculannya biasanya sesuai denganbanyaknya nilai data yang berbeda dari data diskret ataukategori tersebut
Untuk data kontinu, biasanya dibuat kelas interval 5-20banyaknya.
Distribusi Frekuensi
Contoh (Data penghasilan buruh):Kelas Frekuensi Frekuensi Relatif Frekuensi Relatif
Kumulatif[40, 50) 2 0,050 0,050[50, 60) 8 0,200 0,250[60, 70) 17 0,425 0,625[70, 80) 9 0,225 0,900[80, 90) 3 0,075 0,975[90, 100) 1 0,025 1,000
Histogram
Representasi grafik dari distribusi frekuensi data kontinu.
Contoh (Data penghasilan buruh):
Penghasilan (ribu rupiah)
F
r
e
k
u
e
n
s
i
40 50 60 70 80 90 100
0
5
1
0
1
5
Poligon Frekuensi
Representasi grafik dari distribusi frekuensi data kontinu denganmengambil nilai tengah tiap kelas.
Contoh (Data penghasilan buruh):
40 50 60 70 80 90 100
0
5
1
0
1
5
Penghasilan (ribu rupiah)
F
r
e
k
u
e
n
s
i
Ogive Frekuensi Kumulatif
Plot frekuensi kumulatif dengan batas atas interval dari distribusifrekuensi.
Contoh (Data penghasilan buruh):
40 50 60 70 80 90 100
0
1
0
2
0
3
0
4
0
Penghasilan (ribu rupiah)
F
r
e
k
u
e
n
s
i
K
u
m
u
l
a
t
i
f
Diagram Batang
Representasi grafik dari distribusi frekuensi data diskret ataukategori.
Contoh (Data telepon seluler):
SonyEricsson Motorola Nokia Samsung LG Siemens
0
2
0
4
0
6
0
8
0
Diagram Lingkaran
Representasi grafik dari distribusi frekuensi data diskret ataukategori.
Contoh (Data telepon seluler):
SonyEricsson
Motorola
Nokia
SamsungLG
Siemens
Notasi Himpunan Data
Data statistik sering dilambangkan dengan huruf X, Ydilengkapi dengan indeks.
Notasi Himpunan Data
Data statistik sering dilambangkan dengan huruf X, Ydilengkapi dengan indeks.
Contoh (Data penghasilan buruh):X: penghasilan mingguan buruh (dalam ribuan rupiah)X1 = 58; X2 = 72; X10 = 73; X40 = 75;
Notasi Himpunan Data
Data statistik sering dilambangkan dengan huruf X, Ydilengkapi dengan indeks.
Contoh (Data tinggi dan berat mahasiswa):X : tinggi mahasiswa (cm)Y : berat mahasiswa (kg)X1 = 170; Y1 = 70;X7 = 1683; Y7 = 60;
Notasi Sigma
ni=1
Xi = X1 +X2 + . . .+Xn
ni=1
mj=1
Xij = X11 +X12 + . . .+Xnm
Notasi Sigma
Beberapa aturan:
Jika Xi = k, k suatu konstan, makani=1
Xi = nk
Notasi Sigma
Beberapa aturan:
Jika Xi = k, k suatu konstan, makani=1
Xi = nk
Jika k suatu konstan, makani=1
kXi = k
ni=1
Xi
Notasi Sigma
Beberapa aturan:
Jika Xi = k, k suatu konstan, makani=1
Xi = nk
Jika k suatu konstan, makani=1
kXi = k
ni=1
Xi
ni=1
(Xi + Yi) =
ni=1
Xi +
ni=1
Yi
Ringkasan Numerik
Ringkasan Numerik atau statistik:
Data tunggal (tidak dikelompokkan), dengan n observasidinotasikan sebagai
x1, x2, . . . , xn
Data berkelompok (distribusi frekuensi), dengan k nilaitunggal dinotasikan sebagai
x1, x2, . . . , xk
yang masing-masing mempunyai frekuensi
f1, f2, . . . , fk
dengan n =ki=1 fi adalah total observasi
Mean Aritmetik Data tunggal:
x =1
n
ni=1
xi
Data berkelompok:
x =1
n
ni=1
fixi
Mean Terbobot
Misalkan wi 0 adalah bobot (weight) untuk data tunggal xi
xw =1n
i=1wi
ni=1
wixi
Variansi
Data tunggal:
s2 =1
n 1ni=1
(xi x)2
atau
s2 =1
n 1ni=1
(x2i nx2)
Variansi
Data berkelompok:
s2 =1
n 1ni=1
fi(xi x)2
atau
s2 =1
n 1ni=1
(fix2i nx2)
Statistika DeskriptifGrafik emph {Stem-and-leaf}Distribusi FrekuensiDistribusi FrekuensiHistogramPoligon Frekuensiemph {Ogive} Frekuensi KumulatifDiagram BatangDiagram LingkaranNotasi Himpunan DataNotasi Himpunan DataNotasi Himpunan Data
Notasi SigmaNotasi SigmaNotasi SigmaNotasi Sigma
Ringkasan NumerikMean AritmetikMean TerbobotVariansiVariansi